[發(fā)明專利]一種基于蟻群算法的最小開銷路由生成方法

有效

• 申請?zhí)枺?/td>: 202011046528.4
• 申請日: 2020-09-28
• 公開（公告）號: CN112149788B
• 公開（公告）日: 2023-04-07
• 發(fā)明（設(shè)計）人: 閆鈺龍;梁龍飛;環(huán)宇翔;鄒卓;鄭立榮
• 申請（專利權(quán)）人: 復(fù)旦大學(xué);上海新氦類腦智能科技有限公司
• 主分類號: G06N3/006
• 分類號: G06N3/006;G06Q10/047
• 代理公司: 無錫經(jīng)誠知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 32504
• 代理人: 丁雨燕

本發(fā)明公開了一種基于蟻群算法的最小開銷路由生成方法，涉及路由技術(shù)領(lǐng)域，基于蟻群算法的生成最小開銷的固定路由路徑，根據(jù)每次多播路由的源與目的地，使用蟻群算法啟發(fā)式地最小化單次多播路由中的總路徑長度，并計算出相應(yīng)固定路由表，實現(xiàn)了全局的通信負載近似達到最低。本方法能夠最小化全局路由路徑總長度，從而進一步最小化全局通信負載開銷。

技術(shù)領(lǐng)域

本發(fā)明涉及類路由技術(shù)領(lǐng)域，尤其是一種基于蟻群算法的最小開銷路由生成方法。

背景技術(shù)

類腦計算是計算機科學(xué)、生物、信息科學(xué)等多學(xué)科、跨領(lǐng)域的交叉研究方向。其旨在尋求類腦人工智能算法、類腦智能芯片、腦疾病智能診療等多方面的重大突破。類腦計算有益于幫助認識和理解高級認知功能的神經(jīng)機制，理解和學(xué)習(xí)腦的可塑性，幫助分析生物的大腦皮層功能和神經(jīng)遞質(zhì)系統(tǒng)調(diào)控。更能夠帶來基于類腦智能新理論、新算法、新框架的智能算法突破，創(chuàng)造新一代的智能。

脈沖神經(jīng)網(wǎng)絡(luò)(SNN)被稱為第三代人工神經(jīng)網(wǎng)絡(luò)，其模擬神經(jīng)元更加接近實際神經(jīng)元的行為，更是彌補了現(xiàn)有神經(jīng)網(wǎng)絡(luò)在時間尺度上的信息不足這一問題。脈沖神經(jīng)網(wǎng)絡(luò)借鑒了生物神經(jīng)系統(tǒng)，采用神經(jīng)元的脈沖時序來編碼信息，而不僅僅使用發(fā)放頻率，使得信息更加豐富。神經(jīng)元之間通過突觸連接，并使用一定突觸可塑性學(xué)習(xí)算法使得網(wǎng)絡(luò)能夠?qū)崿F(xiàn)一定的判斷和推理功能，完成預(yù)期任務(wù)。同時脈沖神經(jīng)網(wǎng)絡(luò)的信號更為稀疏，信息利用率可以高于現(xiàn)有神經(jīng)網(wǎng)絡(luò)。通過一定的神經(jīng)元模擬電路實現(xiàn)，脈沖神經(jīng)網(wǎng)絡(luò)相較于現(xiàn)有神經(jīng)網(wǎng)絡(luò)在功耗上體現(xiàn)出了巨大優(yōu)勢。

神經(jīng)擬態(tài)計算被譽為通向人工智能未來的三條賽道之一。其亦通過硬件模擬神經(jīng)元計算的方式實現(xiàn)復(fù)雜的計算網(wǎng)絡(luò)。與脈沖神經(jīng)網(wǎng)絡(luò)不同的是，神經(jīng)擬態(tài)計算提供的是高性能的超異構(gòu)計算系統(tǒng)框架，而不要求實現(xiàn)具體而細致的功能。神經(jīng)擬態(tài)計算基于時間驅(qū)動、允許輸入多模態(tài)的互相關(guān)聯(lián)的信號，實現(xiàn)多種計算機制的融合。神經(jīng)擬態(tài)計算的發(fā)展有望帶來新的超級計算機體系，效率更高，計算性能更強，同時也具備更高的計算復(fù)雜度。

大規(guī)模類腦計算網(wǎng)絡(luò)依賴于龐大的算力支撐。現(xiàn)有的CPU和GPU不支持事件驅(qū)動的計算模式，在架構(gòu)上顯示出了冗余，在功耗上造成了額外的開銷。因此定制化FPGA或ASIC芯片是更好的類腦計算網(wǎng)絡(luò)解決方案。其針對模擬神經(jīng)元進行了專有化地設(shè)計，移除了傳統(tǒng)計算機體系結(jié)構(gòu)中無益于類腦計算的部分，消除了過多的硬件功耗開銷。同時計算單元與神經(jīng)元模型高度吻合，極大地提高了神經(jīng)元行為模擬時的計算效率。存儲單元也被設(shè)計在更靠近計算單元的位置，加大了數(shù)據(jù)存取的帶寬，減弱了內(nèi)存墻瓶頸的影響。基于事件驅(qū)動的硬件體系架構(gòu)能夠契合類腦計算網(wǎng)絡(luò)稀疏的信號傳遞特性，減少不必要的硬件操作，有助于解決傳統(tǒng)計算框架面臨的在大規(guī)模計算下超高能耗的問題。

大規(guī)模類腦計算網(wǎng)絡(luò)可以支持大體量的脈沖神經(jīng)網(wǎng)絡(luò)和神經(jīng)擬態(tài)計算，為其提供傳統(tǒng)計算平臺不具備的超高算力。但是大規(guī)模類腦計算網(wǎng)絡(luò)下，傳統(tǒng)路由方法產(chǎn)生了冗長的路由路徑，帶來了系統(tǒng)巨大的全局通信開銷，影響芯片間的通信質(zhì)量，因此需要發(fā)展能夠支撐大規(guī)模類腦計算網(wǎng)絡(luò)的路由方法。

發(fā)明內(nèi)容

本發(fā)明針對現(xiàn)有技術(shù)的不足，提出一種基于蟻群算法的最小開銷路由生成方法，針對組網(wǎng)為二維Mesh網(wǎng)絡(luò)或二維Torus網(wǎng)絡(luò)的大規(guī)模類腦計算網(wǎng)絡(luò)，根據(jù)每次多播路由的源與目的地，使用蟻群算法啟發(fā)式地最小化單次多播路由中的總路徑長度，并計算出相應(yīng)固定路由表，實現(xiàn)了全局的通信負載近似達到最低。本方法能夠最小化全局路由路徑總長度，從而進一步最小化全局通信負載開銷。

為了實現(xiàn)上述發(fā)明目的，本發(fā)明提供以下技術(shù)方案：

一種基于蟻群算法的最小開銷路由生成方法，包括至少一個神經(jīng)元，每個所述神經(jīng)元對應(yīng)單次多播路由，在單次多播路由中，確定源芯片和目的地芯片，所述源芯片與所述目的地芯片之間包括至少一個用于構(gòu)成路徑的可選芯片；在所述單次多播路由中，初始化蟻群算法參數(shù)，自定義蟻群規(guī)模及重復(fù)次數(shù)：